CLASSIFICAÇÃO DE COMPONENTES ELETRÔNICOS EM PLACA DE CIRCUITO IMPRESSO UTILIZANDO MACHINE LEARNING.

Resumo

RESUMO

Em busca de facilitar a identifica¸c˜ao de componentes existentes em placas de circuitos impresso, foi desenvolvido uma aplica¸c˜ao utilizando o auxilio do framework Flask, juntamente com bibliotecas para identifica¸c˜ao e classifica¸c˜ao de imagens como OpenCV, implementados em uma estrutura de rede neural artificial criada atrav´es da biblioteca PyTorch, todas bibliotecas presentes na linguagem de programa¸c˜ao Python, desenvolvemos um prot´otipo de classificador de componentes presentes em um circuito impresso. Neste trabalho, utilizamos o auxilio de um site escrito em HTML, CSS e JavaScript para o recebimento da imagem que ent˜ao ir´a passar pela rede para tratamento e ent˜ao classifica¸c˜ao dos componentes onde utilizamos Machine learning para identifica¸c˜ao. Os resultados mostram problemas encontrados durante o desenvolvimento como a inexatid˜ao dos resultados encontrados pelo sistema devido aos cortes feitos nas imagens serem imprecisos, al´em disso temos sugest˜oes do que pode ser feito para melhorar o resultado que desejamos de, pelo menos, 90% de exatid˜ao na identifica¸c˜ao dos componentes procurados.

Palavras-chaves: Rede Neural; Circuitos; Classifica¸c˜ao; Componentes; Imagens; Python; Machine Learning.

ABSTRACT

In order to facilitate the identification of existing components on printed circuit boards, an application was developed using the help of the Flask framework, together with libraries for identification and classification of images such as OpenCV, implemented in an artificial neural network structure created through the library PyTorch, all libraries present in the Python programming language, we developed a prototype of a classifier of components present in a printed circuit. In this work, we use the help of a website written in HTML, CSS and JavaScript to receive the image that will then pass through the network for treatment and then classification of the components where we use Machine learning for identification. The results show problems encountered during development such as the inaccuracy of the results found by the system due to the cuts made in the images being inaccurate, in addition we have suggestions of what can be done to improve the result we want of at least 90% accuracy in identifying the components sought.

Keywords: Neural Network; Circuits; Classification; Components; Images; Python; Machine Learning.